Framtidens industriarbete : inspiration för utveckling av industriarbetet för ökad konkurrenskraft
Bibliographic record
Abstract
Det finns en övertygelse om att sättet som vi utvecklar industriarbetet på ger fördelar och konkurrensfördelar som inte går lätt att kopiera! Denna skrift visar hur några av de bästa företagen i Sverige utvecklar industriarbetet för att stärka sin konkurrenskraft och produktion i Sverige. Här är produktion och produktivitet i fokus som samtidigt skapar bra förutsättningar för individen och erbjuder ett attraktivt långsiktigt hållbart arbete. I en grundbild beskrivs gemensamma kvaliteter som företagen eftersträvar att stärka och vidareutveckla. Skriften ger inspiration för att ta fram en gemensam målbild inom det egna företaget för utveckling av industriarbetet som har förutsättningar att skapa fördelar både för företaget och medarbetare. Den innehåller också ett workshopunderlag för att analysera nuläget (bra initiativ, aktuella utmaningar, företagets egna styrkor), för att identifiera och prioritera aktiviteter och ta fram ett underlag till en handlingsplan. Skriften bygger på erfarenheter från SKF, Scania CV, Alfa Laval Lund, SSAB EMEA, Atlas Copco Secoroc, Skaraverken, Furhoffs Rostfria, Westbaltic Components, Volvo Personvagnar och forskare från olika forskningsfält i Sverige. Studien och denna skrift har genomförts på uppdrag av IF Metall, Teknikföretagen, Swerea IVFs Intressentförening och Vinnova.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.006 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.005 | 0.004 |
| Scholarly communication | 0.017 | 0.011 |
| Open science | 0.002 | 0.008 |
| Research integrity | 0.005 | 0.008 |
| Insufficient payload (model declined to judge) | 0.060 | 0.044 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".